编码？你需要知道的那些事：4-Java为什么有乱码

这是之前写的文章，因为博客地址换了，重新发布下。

这个系列目前一共四篇文章，之后可能会增加Python3.x关于编码方面的内容。

更新：

声明： Unicode是指字符集，不是编码

在正式进入前，我们用Java来查看系统文件默认编码和调用System.out.Print方法时的编码（我的是中文版的Windows）。

//查看默认文件编码
String encoding=System.getProperty("file.encoding");
System.out.println(encoding);
//输出： GBK
//查看默认System.out编码
OutputStreamWriter osw = new OutputStreamWriter(System.out);
System.out.println(osw.getEncoding());
//输出： GBK

现在还我清白了吧，中文Windows的默认编码确实是GBK，不过Java中System.out默认的编码也是GBK，而Python是UTF-8 ，下面我们可以开始例子（栗子）了。（先记住，是GBK哦）

1. 字符在Java中(JVM)到底是咋样的？

我们从上文知道，Python2.x进行字符的操作时，最好将他们全部解码为Unicode后再进行操作。无独有偶，Java（JVM）中进行字符的操作是也是先将其转换为Unicode，然后进行操作的。我们先来看张图（这是一张对号符号，很酷是不是，我们可以看到它在Unicode中的编号，你也可以在这里查找）。

我们先来测试下这样写：

1
2
3

char infinite = '∞';
System.out.format("%X", Integer.valueOf(infinite));
//输出(正是编号) ： 221E

我们再这样写：

1
2
3

char infinite = 0x221E;
System.out.println(infinite);
//输出(正是我们想要的字符) ： ∞

完全正常， Java在内存中操作字符时，会将其转为Unicode ，输出时再用GBK编码。

我们再来看张图（这是一张对号符号，我们可以看到它在Unicode中的编号，你也可以在这里查找）。我们这里用它的编号来输出这个字符，看看是不是也和上面一样顺利。

1
2
3

char duihao = 0x2713;
System.out.println(duihao);
//输出(这下不是啦) ： ?

shit, 太不给面子了吧。上面好好的，怎么就你特殊。放轻松，还记得我们上面说Java调用System.out.println时采用的是GBK编码吗！其实GBK字符集中没有这个符号，哈哈！所以它不能正确输出。，现在我们把项目的编码改为UTF-8,再试试（针对Eclipse: 选中项目->右键->选中属性->选择UTF-8编码）。

我们再次查看默认的输出编码：

//查看默认文件编码
String encoding=System.getProperty("file.encoding");
System.out.println(encoding);
//输出： UTF8
//查看默认System.out编码
OutputStreamWriter osw = new OutputStreamWriter(System.out);
System.out.println(osw.getEncoding());
//输出： UTF8

好了（确认是UTF-8），现在我们继续刚刚失败的例子：

1
2
3

char duihao = 0x2713;
System.out.println(duihao);
//输出(哈哈，对了吧！) ： ✓

现在我们终于明白了，原来和Python一样，字符在Java中(JVM)处理的时候，也变成了Unicode中的编号。JVM的这种约定使得一个字符存在的世界分为了两部分：JVM内部和OS的文件系统。在JVM内部，统一使用Unicode表示，当这个字符被从JVM内部移到外部（即保存为文件系统中的一个文件的内容时），就进行了编码转换（我们这里开始是Java默认的GBK，后来我们改为了UTF-8）。

2. 从Java（内存）到文件里

当你想要把字符保存到文件中去的时候，我们要对字符进行编码。如果默认的话就是使用GBK, 但是我们可以选择为UTF-8（方法如上，改项目属性）。

好了，现在我们将我们酷酷的符号保存到文件中去。（我们只演示第一个符号。注意：第一个符号用GBK或者UTF-8编码都行，第二个用UTF-8吧。）

我们要保存的字符：

1	char infinite = '∞';

使用默认为GBK的编码保存（正常显示，文件为GBK编码）。

1
2
3

PrintWriter out=new PrintWriter(new OutputStreamWriter(new FileOutputStream("I:/GBk.txt")));
out.write(infinite);
out.close();

修改默认编码为UTF-8 （正常显示，文件为UTF-8编码）

char infinite = '∞';
PrintWriter out=new PrintWriter(new OutputStreamWriter(new FileOutputStream("I:/UTF-8.txt")));
out.write(infinite);
out.close();

默认编码为GBK，但是我们使用UTF-8保存（正常显示，文件为UTF-8编码）

char infinite = '∞';
PrintWriter out=new PrintWriter(new OutputStreamWriter(new FileOutputStream("I:/UTF-8.txt"),"UTF-8"));
out.write(infinite);
out.close();

上面使用的类OutputStreamWriter，就是可以指定编码的地方。（这里对Unicode值进行了编码，用Java的话说就是字节流向字符流转换。）

从文件中读取数据也是一样的，采用对应的编码去读取，别人家是UTF-8，你用GBK（默认的）或者ASCII上，那可不就是乱套了吗！

3. One more thing

现在我们知道了，Java也是为了统一操作字符，现将其转换为为Unicode。所以，在JVM中，字符是以Unicode中的编号值存在的。当我们想要保存字符时，首先要将其进行编码（按正确的方式喔, 不然有些不能正常显示，像我们上面的例子一样），然后我们就可以写入文件中去了。（还要注意的就是，默认的编码方式，它给我们带来方便，有时可带来了不便。）

4. 参考资料

Java中的字符集编码入门（五）Java代码中的字符编码转换Part 1
Java中的字符集编码入门（三）GB2312，GBK与中文网页
 how-to-get-console-charset